Interprétation des résultats générateurs d’hypothèses

Examinez les résultats de l’analyse des fréquences de consommation en utilisant les probabilités binomiales ci‑dessous (tableau original disponible dans le troisième onglet de la feuille de calcul Excel pour l’exercice 2 [Module 2 – Exercice 2]).

Remarque : Dans la pratique, des probabilités binomiales seront calculées pour tous les aliments, puis les facteurs décrits aux parties 1 et 2 de cet exercice seront pris en considération.

Le tableau montre que plusieurs aliments sont déclarés plus souvent que ce à quoi on pourrait s’attendre : épinards, bleuets, amandes, noix de Grenoble et graines de sésame.

Aliment

Cas confirmés

 

Référence

Probabilité binomiale

Oui

Probabilité

Non

NSP

% O+P

Foodbook Canada*

valeur p

VIANDES

Tout type de poulet (sauf les produits de charcuterie)

3

0

3

1

50,0

85,6

0,0375

Tout type de porc (sauf les produits de charcuterie)

1

2

3

1

50,0

55,1

0,3028

Tout type de bœuf (sauf les produits de charcuterie)

1

1

4

1

33,3

78,4

0,0201

ŒUFS

Tous les œufs

2

3

2

0

71,4

80,7

0,2677

PRODUITS LAITIERS

Tous les produits laitiers (sauf le fromage)

3

1

3

0

57,1

84,6

0,0655

Succédané du lait

3

0

3

1

50,0

Aucune donnée

Aucune donnée

Tout type de fromage

4

0

3

0

57,1

88,8

0,00306

LÉGUMES

Tomates

3

1

3

0

57,1

72,9

0,1967

Laitue ou légumes-feuilles

4

1

1

1

83,3

82,4

0,4011

Laitue iceberg

0

2

3

2

40,0

41,1

0,3452

Laitue romaine

2

1

3

1

50,0

48,8

0,312

Épinards

4

0

1

2

80,0

28,4

0,0233

Pousses

2

1

4

0

42,9

12,9

0,0432

Concombres

3

2

2

0

71,4

62,9

0,2846

Poivrons

4

0

2

1

66,7

63,6

0,3252

Brocolis

3

0

3

1

50,0

55,5

0,3013

Chou-fleur

4

0

3

0

57,1

33,0

0,1248

Champignons

4

0

3

0

57,1

50,0

0,2734

Courgettes

3

1

3

0

57,1

21,1

0,0341

FRUITS

Melons

3

0

3

1

50,0

39,7

0,2744

Pommes

4

1

2

0

71,4

72,3

0,3183

Bananes

4

2

1

0

85,7

76,7

0,3321

Agrumes

4

0

3

0

57,1

65,0

0,2679

Baies

5

0

2

0

71,4

65,2

0,2997

Fraises

2

2

2

1

66,7

49,6

0,2306

Framboises

2

0

3

2

40,0

27,5

0,2882

Bleuets

3

2

2

0

71,4

31,3

0,0298

Mûres

3

1

3

0

57,1

10,5

0,003

Mangues

4

0

3

0

57,1

15,7

0,0127

Ananas

1

1

5

0

28,6

30,0

0,3177

NOIX ET GRAINES

Arachides

4

0

3

0

57,1

33,6

0,1306

Amandes

2

3

1

1

83,3

41,0

0,041

Noix de Grenoble

3

1

2

1

66,7

18,5

0,0117

Noisettes (avelines)

0

0

6

1

0,0

10,1

0,5279

Noix de cajou

2

0

1

4

66,7

26,8

0,1577

Noix de pecan

2

1

3

1

50,0

12,9

0,0284

Pistaches

0

0

4

3

0,0

Aucune donnée

Aucune donnée

Autres noix

1

0

3

3

25,0

Aucune donnée

Aucune donnée

Beurre d’arachides

4

0

3

0

57,1

55,0

0,2918

Autres beurres/pâtes/tartinades de noix

2

1

3

1

50,0

18,3

0,0668

Graines de tournesol

2

1

3

1

50,0

18,3

0,0668

Graines de sésame

2

2

2

1

66,7

17,1

0,0088

Graines de chia

3

2

2

0

71,4

Aucune donnée

Aucune donnée

Graines de lin

2

2

2

1

66,7

Aucune donnée

Aucune donnée

Autres graines

1

0

3

3

25,0

Aucune donnée

Aucune donnée

AUTRES

Céréales froides

2

0

4

1

33,3

54,3

0,1929

Céréales chaudes

2

0

2

3

50,0

28,5

0,2491

Végétarien ou végétalien

2

0

3

2

40,0

Aucune donnée

Aucune donnée

Suppléments

3

0

4

0

42,9

28,2

0,2086

*Selon le sondage Foodbook de 2015, Agence de la santé publique du Canada

 Question 2-9 : Que signifient ces résultats? Pourquoi identifie-t-on plusieurs aliments?

Les aliments déclarés plus souvent que prévu devraient être examinés plus en détail et évalués comme étant une source possible de l’éclosion (p. ex. pour les produits emballés comme les baies congelées, les cas ont-ils déclaré la même marque? Pour les produits frais comme les tomates, les cas ont-ils rapporté un type particulier (p. ex. tomates cerises?). Statistiquement, dans un questionnaire générateur d’hypothèses qui contient autant de questions, certains éléments apparaîtront par hasard seulement (surtout dans un échantillon de petite taille comme celui de cette étude de cas).

De plus, l’éclosion examinée représente une population de cas unique – un cas est végétarien, un autre cas est végétalien, et des cas déclarent avoir une alimentation riche en fruits et légumes frais. Il est possible que les fruits et les légumes frais ainsi que les noix et les graines se démarquent parce qu’ils sont habituellement consommés par cette population. Les expositions peuvent également se démarquer si elles sont déclarées très rarement par rapport aux prévisions – il est important d’examiner le nombre total de cas déclarant une exposition, tout en gardant toujours à l’esprit ce dont nous avons discuté plus tôt au sujet des aliments qui pourraient être plus difficiles à se remémorer. 

D’un autre côté, il faut se rappeler que certains aliments dont on s’attend à ce que le niveau de consommation soit élevé (p. ex. œufs de toutes sortes) peuvent ne pas se démarquer statistiquement, mais peuvent tout de même être des sources potentielles. Il est important de rechercher les points communs entre les expositions communément déclarées.

Bien que les données sur la consommation prévue n’aient pas été disponibles pour les graines de chia et de lin, une forte proportion de cas a déclaré en avoir consommé, ce qui suggère que ces aliments pourraient présenter un intérêt et être envisagés comme des sources potentielles de l’éclosion.

Question 2-10 : Si les données de l’étude Foodbook ou d’une étude similaire n’étaient pas disponibles, quelles autres études pourraient être menées pour aider à identifier les aliments présentant un intérêt? Pourquoi l’étude Foodbook est-elle préférable dans cette situation?

Une étude analytique, comme une étude cas-témoins, pourrait être effectuée à la place de l’étude Foodbook afin de comparer la consommation alimentaire des cas à celle de la population générale (témoins).

L’utilisation d’une étude analytique comme une étude cas-témoins n’est pas couramment utilisée dans une enquête nationale sur une éclosion. Ces études sont coûteuses et prennent du temps. Bien que les études analytiques soient très utiles dans d’autres situations, dans ce cas-ci, les données de Foodbook sont facilement accessibles et représentatives de la population canadienne.

Vous trouverez d’autres lectures sur les études analytiques ici.

< Retour Suivant >